Python — Код Будущего 2025–2026#

Репозиторий с материалами, заданиями и решениями по урокам Python в рамках проекта «Код будущего» за 2025–2026 учебный год.

О репозитории#

Этот репозиторий содержит материалы, которые использовались в процессе обучения Python в проекте «Код будущего».

Здесь собраны:

решения практически всех задач с уроков;
исходные задания и примеры кода;
дополнительные материалы по пройденным темам;
записи с досок Excalidraw;
вспомогательные файлы и заметки;
примеры, разобранные во время занятий.

Репозиторий предназначен прежде всего для хранения и систематизации учебных материалов, а также для повторения пройденного материала.

Структура#

Каждая тема лежит в отдельной папке с номером урока. Внутри папки темы:

.
├── 1.1. Знакомство с языком программирования Python/
│   ├── MATERIAL.md          # Теория по теме (в некоторых темах — LESSON.md, METHOD.md)
│   ├── example.py           # Примеры кода с занятия (иногда в папке lecture/)
│   ├── board/               # Записи с досок Excalidraw (*.excalidraw, *.png)
│   └── practices/           # Задания и решения
│       ├── chatgpt/         # Дополнительные задачи (условия в TASKS.md)
│       ├── teachbase.ru/    # Задачи с платформы Teachbase
│       └── skillok.org/     # Задачи с платформы Skillok
├── ...
└── README.md                # Описание репозитория

Структура в разных темах может немного отличаться.

Темы#

Модуль 1. Основы#

№	Тема
0.0	Матрицы
1.1	Знакомство с языком программирования Python
1.2	Ввод и вывод данных. Типы данных. Понятие переменной
1.3	Логические выражения и операторы. Условный оператор и конструкция elif
1.4	Конструкция match case. Исключения и их обработка

Модуль 2. Коллекции и циклы#

№	Тема
2.1	Списки
2.2	Кортежи
2.3	Множества
2.4	Словари
2.5	Цикл while
2.6	Цикл for
2.7	Методы сортировки
2.8	Библиотеки
2.9	Случайные числа

Модуль 3. Функции, файлы, модули, API#

№	Тема
3.1	Функции
3.2	Локальные и глобальные переменные
3.3	Возврат значений из функции. Оператор return
3.4	Параметры и аргументы функции
3.5	Функция enumerate
3.6	Работа с файлами
3.7	Модули и пакеты
3.8	Виртуальное окружение
3.9	Методы API

Модуль 4. ООП, продвинутые темы, нейросети#

№	Тема
4.1	Классы и объекты
4.2	Веб-скрапинг
4.3	Итераторы и генераторы
4.4	Декораторы
4.5	Многопоточность
4.6	Тестирование и отладка кода
4.7	Регулярные выражения
4.8	Модель классификации объектов с помощью нейросети
4.9	Модель детектирования объектов с помощью ИИ

Решения задач#

Основная часть репозитория — решения практических задач с уроков.

Для большинства задач сохранён код, который можно использовать для:

повторения темы;
проверки собственного решения;
разбора алгоритма;
поиска ошибок;
подготовки к следующим занятиям.

Рекомендуемый порядок работы:

Задание
   ↓
Самостоятельное решение
   ↓
Проверка
   ↓
Сравнение с решением
   ↓
Разбор ошибок

Решения не заменяют самостоятельное выполнение заданий.

Запуск проектов#

Нужен Python 3.13+.

Простые задачи запускаются напрямую:

python main.py

Для проектов с файлом pyproject.toml удобнее всего uv:

cd "<папка проекта>"
uv sync                  # создаст .venv и установит зависимости
uv run python main.py

Если в проекте есть только requirements.txt:

python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install -r requirements.txt
python main.py

В папках проектов есть свои README.md с инструкцией запуска.

Файлы, которые нужно скачать#

Виртуальные окружения, веса нейросетей и обученные модели в репозиторий не входят, чтобы он оставался лёгким. Если программа пишет, что файл не найден, — скачайте его и положите рядом с main.py.

Файл	Где нужен	Где взять
`yolov3.pt` (~237 МБ)	4.9: `computer_vision`, `meet-2026-07-03`, `teachbase-2026-06-10` (ImageAI)	скачать с GitHub ImageAI
`yolov8n.pt`, `yolo11n.pt`, `yolo26n.pt`	4.9: `ultra`, `yolo_project`, `meet-practice-2026-07-03` (Ultralytics)	скачиваются автоматически при первом запуске
веса MobileNetV2, датасет MNIST	4.8: все проекты	скачиваются автоматически через TensorFlow
`keras_model.h5`, `labels.txt`	4.8: `project/my_model.py`	обучить модель на Teachable Machine → Export Model → Tensorflow → Keras
`model.keras`, `mnist_model.keras`	4.8: `my-learn-model`, `mnist`	создаются при запуске обучения (`main.py` / `model.py`)

Проблемы с установкой TensorFlow — см. GUIDE_INSTALL_TENSORFLOW.md.

Excalidraw#

В папках тем хранятся записи с досок Excalidraw, использовавшихся во время занятий (файлы *.excalidraw, рядом часто лежит *.png).

Они могут содержать:

схемы;
алгоритмы;
визуальные объяснения;
разбор задач;
структуру программ;
определения;
дополнительные заметки с уроков.

Файлы Excalidraw можно открыть и продолжить редактировать в Excalidraw.

Назначение репозитория#

Репозиторий используется как единое хранилище учебных материалов за 2025–2026 учебный год.

Основные задачи:

систематизировать материалы курса;
сохранить решения задач;
не потерять записи с занятий;
упростить повторение пройденных тем;
иметь быстрый доступ к примерам кода;
отслеживать собственный прогресс в изучении Python.

Важное замечание#

Некоторые решения могут быть написаны несколькими способами.

В репозитории представлены варианты, использовавшиеся или разработанные в процессе обучения. Они не обязательно являются единственными или оптимальными решениями конкретной задачи.

Если вы нашли ошибку или неточность, её можно исправить и обновить соответствующий материал.

Период#

Проект: «Код будущего»
Направление: Python
Учебный год: 2025–2026
Язык программирования: Python

Технологии#

Основной язык:

Python 3

Дополнительные инструменты:

Git
GitHub
Excalidraw

Статус#

Заброшен